XML Formatter 自闭合标签缩进：Token、标签类型与缩进栈

一、问题概述：自闭合标签没有待匹配的结束层

<root><item/><item><name>A</name></item></root> 中第一个 item 在同一个位置结束，第二个 item 才会压入缩进栈。若算法把两者都当成开始标签，<name> 和后续 </root> 的缩进都会偏移。

二、最小复现：三种标签类型改变深度

formatter 至少要区分开始标签、结束标签和自闭合标签；注释与处理指令通常作为不可拆分 token。下面的标签只用于演示缩进深度。

const tokens = ["<root>", "<item/>", "<item>", "<name>A</name>", "</item>", "</root>"];
console.log(tokens);
// <item/> changes no depth; <item> pushes; </item> pops.

三、根因：换行决策依赖标签状态而不是字符数量

开始/结束标签、注释、CDATA、处理指令和文本节点的边界不同。缩进栈需要保存尚未关闭的元素名称，并在结束标签到来时先弹栈再输出；遇到不支持的 token 时应停止猜测，而不是继续生成看似整齐的 XML。

四、推荐方案：先 token 化，再按栈输出缩进

将输入分成标签、注释、处理指令和文本 token，识别标签名称与是否 / > 结尾。输出前处理结束标签，输出后处理开始标签；自闭合和叶子 token 不改变栈。这个算法只负责格式布局，XML 合法性仍需 parser 验证。

五、完整代码：受限标签流的缩进算法

以下代码使用简单 token 化和元素栈，适合说明自闭合缩进；它不完整处理属性值中的 >、CDATA、DOCTYPE、命名空间或所有 XML 转义，因此不能替代 XML parser。

function formatSimpleXml(source: string): string {
  const tokens = source.match(/<!--[\s\S]*?-->|<[^>]+>|[^<]+/g) ?? [];
  const stack: string[] = [];
  const lines: string[] = [];
  for (const token of tokens.map((value) => value.trim()).filter(Boolean)) {
    if (token.startsWith("</")) {
      stack.pop();
      lines.push("  ".repeat(stack.length) + token);
      continue;
    }
    if (token.startsWith("<!--") || token.startsWith("<?") || token.endsWith("/>") || !token.startsWith("<")) {
      lines.push("  ".repeat(stack.length) + token);
      continue;
    }
    lines.push("  ".repeat(stack.length) + token);
    const name = token.match(/^<([A-Za-z_][A-Za-z0-9_.:-]*)/)?.[1];
    if (name) stack.push(name);
  }
  if (stack.length !== 0) throw new Error("unclosed element in restricted formatter");
  return lines.join("\n");
}

console.log(formatSimpleXml("<root><item/><item><name>A</name></item></root>"));

六、常见错误方案

看到每个 <...> 就增加深度会误处理自闭合标签；先输出开始标签再遇到结束标签才弹栈会让结束标签多缩进；用正则匹配完整标签却不处理属性引号中的 >，可能提前截断 token。

七、边界条件：文本、注释与不完整输入

内联文本是否与元素同一行需要单独规则；注释和处理指令不能被拆成普通标签；CDATA 与 DOCTYPE 可能包含看似标签的字符。输入未闭合、标签不匹配或包含未知构造时，受限 formatter 应报错或原样保留。

八、如何验证缩进算法

测试根元素、连续自闭合标签、嵌套开始/结束标签、注释、处理指令、文本节点和属性中的 >。断言栈深度、输出顺序、自闭合标签不增加层级，并将格式化结果交给 XML parser 做语法验证。

九、FAQ

问：自闭合标签和空元素开始/结束标签完全等价吗？答：在 XML 数据模型中常可表示相同空元素，但 formatter 仍必须保留输入是否自闭合的布局选择。

问：缩进栈能验证 XML 合法性吗？答：只能检查受限标签流的层级，不能覆盖完整 XML 语法和命名空间规则。

问：为什么不直接用正则完成全部格式化？答：属性、CDATA、DOCTYPE 和方言扩展会包含标签样字符，必须先有可靠 token 边界。

十、总结

自闭合缩进算法的关键是标签分类和栈顺序：结束标签先弹栈，普通开始标签入栈，自闭合标签不改变深度。受限 token 化适合布局说明，但完整 XML 合法性、CDATA、DOCTYPE 和属性边界仍需正式 parser。